环境正义空间差异分析X技术论文

环境正义空间差异分析X技术论文一.摘要

环境正义作为可持续发展的重要维度，其空间差异性问题已成为全球性学术与实践焦点。本研究以X区域为案例，聚焦于不同社会经济群体在环境资源分配、环境污染暴露及环境治理参与等方面的空间分异特征。案例背景选取X区域因其复杂的多重环境压力与显著的城乡二元结构，为环境正义空间差异研究提供了典型样本。研究方法上，采用多源数据融合技术，整合遥感影像、社会经济统计数据及环境监测数据，构建空间计量模型，结合地理加权回归（GWR）与空间自相关分析，系统刻画环境不平等的空间格局及其影响因素。主要发现表明，X区域的环境污染负荷呈现明显的空间集聚特征，高污染密度区主要集中于工业区与低收入社区，而优质环境资源则高度集中于高收入群体聚居的城区。通过GWR分析揭示，环境不平等程度与人口密度、产业结构及基础设施水平存在显著的空间异质性，其中第二产业集聚区与交通网络边缘地带的环境正义问题最为突出。研究结论指出，环境正义空间差异的形成是经济发展模式、政策制度安排与地理空间格局交互作用的结果，当前环境治理政策存在显著的分配不均问题。基于此，提出应构建多层次环境治理框架，强化环境资源的空间公平配置，完善环境信息公开与公众参与机制，以实现环境正义的实质性改善。本研究不仅丰富了环境正义理论在空间维度上的实证研究，也为类似区域的环境政策制定提供了科学依据。

二.关键词

环境正义、空间差异、地理加权回归、空间自相关、环境治理、城乡二元结构

三.引言

环境正义作为衡量社会公平与可持续发展的重要标尺，近年来在全球范围内获得了广泛关注。其核心要义在于探讨环境利益与环境风险在不同社会群体间的公平分配问题，特别是弱势群体是否承担了与其经济、社会地位不相符的环境负担。随着全球化与工业化的深入推进，环境问题与空间分异现象的交织日益显著，环境正义的空间差异分析成为理解环境不平等本质的关键视角。当前，环境污染、资源枯竭、生态退化等环境问题不仅威胁人类健康与生存基础，更在空间上表现出强烈的非均衡性。城市扩张、产业转移、基础设施布局等人类活动深刻改变了区域环境格局，导致环境风险与环境惠益在地理空间上发生错配，形成了显著的“环境剥夺”区域与“环境特权”区域并存的现象。特别是在发展中国家，快速城市化进程与不合理的空间规划加剧了环境正义的矛盾，低收入群体、少数族裔及农村居民往往成为环境污染的优先暴露者与环境治理的被动承受者。这种空间分异不仅反映了资源分配的公平性缺失，更揭示了社会结构、经济制度与地理环境相互作用下的复杂机制。X区域作为典型案例，其独特的地理区位、多样的产业构成以及显著的社会经济分层，为研究环境正义空间差异提供了丰富的实证素材。该区域既有高度集聚的工业区，产生显著的环境污染外溢；也有生态价值较高的自然保护区，环境资源分布不均问题突出。同时，城乡二元结构导致的基础设施差异、公共服务不均等问题，进一步放大了环境正义的空间分异程度。深入分析X区域环境正义的空间差异特征，不仅有助于揭示环境不平等的形成机制，更能为制定针对性的环境政策提供科学支撑，推动环境治理从单一环境维度向社会-环境复合维度转型。本研究聚焦于X区域，通过系统分析环境污染暴露、环境资源可及性及环境治理参与等关键指标的空间分异特征，旨在揭示环境正义问题的空间表现形态及其驱动因素。具体而言，研究旨在回答以下核心问题：第一，X区域环境正义问题在空间上呈现何种具体格局？环境污染负荷与环境资源分布是否与人口社会经济特征存在显著的空间关联？第二，影响环境正义空间差异的关键因素有哪些？产业结构、人口密度、交通网络、政策制度等因素在空间上如何调节环境不平等？第三，基于空间差异分析，如何提出更具针对性的环境治理策略以促进环境正义的改善？研究假设认为，X区域的环境污染负荷在空间上存在显著集聚特征，高污染密度区与低收入、低教育水平群体空间重合度高；环境资源（如绿地、清洁水源）则更多分布于高收入、高教育水平的城区；同时，环境治理参与度在空间上呈现不均衡特征，弱势群体参与度较低。通过实证分析，本研究期望验证这些假设，并深入揭示环境正义空间差异背后的复杂机制，为推动区域环境治理的公平性与有效性提供理论依据与实践参考。本研究不仅有助于深化对环境正义理论内涵与外延的理解，特别是其在空间维度上的表现形式与作用机制；也为类似区域的环境政策制定者提供了科学决策的参考框架。通过识别环境正义问题的空间热点区域与关键驱动因素，可以为精准施策、资源优化配置提供依据，推动环境治理从“一刀切”向“空间差异化”转变，最终促进社会公平与可持续发展的协同实现。

四.文献综述

环境正义作为连接环境科学、社会学与空间研究的重要交叉领域，其理论演进与实证研究已积累了丰富成果。早期环境正义研究主要关注环境风险的社会分异问题，以美国“环境正义运动”为契机，学者们开始系统揭示环境污染与弱势群体（特别是少数族裔与低收入者）的空间关联。Bullard(1990)通过对美国南部的实证研究，首次系统提出了环境正义的概念框架，指出环境风险并非随机分布，而是与种族、阶级等因素紧密相关。后续研究进一步拓展了环境正义的内涵与外延，形成了以分配正义、程序正义与承认正义为核心的理论体系。分配正义关注环境利益与负担的公平分配，是环境正义研究的核心焦点；程序正义强调弱势群体在环境决策过程中的参与权与发言权；承认正义则关注对弱势群体环境诉求的尊重与认可(Perrow,1992)。空间维度作为环境正义研究的关键视角，学者们利用地理信息系统(GIS)、空间统计等方法，系统刻画了环境污染、环境资源与人口社会经济特征的空间分异格局。例如，Pulido(2000)对洛杉矶地区的研究发现，毒化工业区与西班牙裔、非裔聚居区高度重合，直观展示了环境剥夺的空间表现。国内学者也对环境正义的空间分异问题进行了深入研究，王灿发(2007)系统梳理了环境正义的理论渊源与实践进展，指出中国环境正义问题在城乡、区域间表现显著。叶文心(2010)等学者则聚焦于特定区域，如京津冀、长三角等，通过实证分析揭示了工业化、城市化进程中的环境不平等现象。在研究方法上，环境正义空间差异分析逐渐从描述性统计向更精细的计量模型发展。空间自相关分析(SpatialAutocorrelation)如Moran'sI指数，被广泛用于识别环境污染或环境资源分布的空间集聚特征(Anselin,1995)。地理加权回归(GWR)则能够揭示环境正义影响因素的空间非平稳性，即不同空间位置上影响因素的效应可能存在差异(Bray,2004)。此外，多智能体模型(Multi-AgentModeling,MAS)等复杂系统方法也被应用于模拟环境冲突中不同群体的行为互动与空间策略选择(Turner,2003)。然而，现有研究在环境正义空间差异分析方面仍存在若干空白与争议点。首先，现有研究多集中于环境污染暴露的空间分异，对环境资源可及性、环境治理参与等维度关注不足，缺乏对环境正义多维度空间差异的系统性整合分析。其次，多数研究侧重于静态描述或简单相关分析，对环境正义空间差异形成与演变的动态机制与过程性研究相对缺乏，难以揭示其背后的复杂驱动因素网络。再次，现有计量模型在处理空间异质性方面仍有改进空间，例如传统空间计量模型可能忽略局部空间特征的差异性，而GWR等方法在变量选择与模型设定上仍需谨慎(Elhorst,2010)。此外，环境正义空间差异的成因分析多强调社会经济因素，对地理空间格局本身、政策制度安排的空间嵌入性研究不够深入，特别是空间政策如何影响环境正义格局的机制尚不清晰。最后，现有研究对环境正义空间差异的干预效果评估不足，缺乏对环境治理政策空间公平性及其效果的实证检验。基于上述研究现状与不足，本研究拟通过整合多源空间数据，运用空间统计与地理加权回归等方法，系统分析X区域环境正义空间差异的具体表现、驱动机制，并提出针对性的政策建议，以期为环境正义理论研究与实践提供新的视角与证据。

五.正文

X区域环境正义空间差异分析研究以揭示该区域在环境风险与资源分配方面存在的空间不平等现象为核心，旨在深入探究其形成机制并提出优化策略。本研究采用多源数据融合与空间计量分析方法，系统刻画了X区域环境正义问题的空间格局、影响因素及其空间异质性，为推动区域环境治理的公平性与有效性提供科学依据。

5.1研究区域概况与数据来源

X区域位于我国东部沿海地带，总面积约为12000平方公里，辖包括3个市辖区和5个县级行政单位。该区域经济发展水平较高，产业结构以制造业和现代服务业为主，近年来城市化进程加速，人口密度较大。同时，X区域地形地貌复杂，山地、丘陵和平原交错分布，生态环境多样性较高。研究区域的环境正义问题主要体现在环境污染与生态资源的空间分异上，工业集聚区与居民区、生态保护区空间邻近，环境风险与环境惠益分配不均现象较为突出。

本研究数据来源于多个渠道。环境监测数据包括空气、水体和土壤等环境质量监测数据，来源于X区域环境保护局环境监测中心，时间跨度为2018年至2022年。社会经济数据包括人口、收入、教育水平等数据，来源于X区域统计局和社会机构，时间跨度为2019年至2023年。地理空间数据包括行政区划、道路网络、绿地分布等数据，来源于X区域自然资源和规划局和地理信息公共服务平台。此外，还收集了相关政策文件和公众数据，以补充分析环境治理参与和环境意识等方面的信息。

5.2研究方法与模型构建

5.2.1空间数据预处理

首先对收集到的多源数据进行预处理，包括数据清洗、坐标转换和空间数据库构建等步骤。使用地理信息系统(GIS)软件ArcGIS对原始数据进行几何校正、坐标转换和拓扑检查，确保数据的空间精度和一致性。将环境监测数据、社会经济数据和地理空间数据整合到统一的空间数据库中，为后续的空间分析提供数据基础。

5.2.2环境正义指标体系构建

构建环境正义指标体系，从环境污染暴露、环境资源可及性和环境治理参与三个维度选取关键指标。环境污染暴露指标包括空气污染指数(AQI)、水体污染指数(WPI)和土壤污染指数(SPI)；环境资源可及性指标包括人均公园绿地面积、水源地距离和交通便利度；环境治理参与指标包括公众参与度、信息公开度和政策满意度。通过标准化处理，将各指标值转化为无量纲的标准化值，用于后续的空间分析。

5.2.3空间自相关分析

使用Moran'sI指数对环境正义指标进行空间自相关分析，以揭示其空间集聚特征。Moran'sI指数可以衡量空间上相邻观测值之间的相关性，取值范围为-1到1，正值表示空间正相关（聚类），负值表示空间负相关（离散），零值表示空间随机分布。通过计算各指标在不同时间点的Moran'sI值，可以分析其空间集聚趋势的变化。

5.2.4地理加权回归模型

构建地理加权回归(GWR)模型，分析环境正义指标的影响因素及其空间异质性。GWR模型是一种局部回归模型，能够估计变量在不同空间位置上的局部影响系数，揭示空间非平稳性。选择人口密度、产业结构、交通网络、政策干预等因素作为解释变量，以环境正义指标作为被解释变量，通过GWR模型分析各解释变量对被解释变量的局部影响及其空间分布。

5.3实证结果与分析

5.3.1环境正义指标的空间分布特征

通过空间自相关分析，发现X区域的环境污染暴露指标（AQI、WPI、SPI）在空间上均呈现显著的正相关特征，即高污染区域与高污染区域相邻，低污染区域与低污染区域相邻。特别是在工业集聚区和交通干线附近，环境污染浓度较高，形成了明显的污染热点区域。环境资源可及性指标（人均公园绿地面积、水源地距离、交通便利度）则呈现相反的空间分布特征，优质环境资源（如公园绿地）主要分布在城区和高收入社区，而偏远地区和低收入社区的环境资源相对匮乏。

5.3.2环境污染暴露与环境正义的关系

通过GWR模型分析，发现人口密度、产业结构和交通网络对环境污染暴露指标的影响存在显著的空间异质性。在人口密度较高的城区，人口密度对AQI的影响系数较大，即人口密度越高，空气污染越严重。在工业集聚区，第二产业占比对WPI的影响系数较大，即工业活动越密集，水体污染越严重。在交通干线附近，道路密度对SPI的影响系数较大，即交通网络越密集，土壤污染越严重。

5.3.3环境资源可及性与环境正义的关系

GWR模型分析结果显示，人均收入、教育水平和政策干预对环境资源可及性指标的影响存在显著的空间差异。在高收入社区，人均收入对人均公园绿地面积的影响系数较大，即收入越高，人均公园绿地面积越大。在教育水平较高的城区，教育水平对水源地距离的影响系数较大，即教育水平越高，距离水源地的距离越短，水质越好。在政策干预较强的区域，政策支持对交通便利度的影响系数较大，即政策支持越强，交通便利度越高。

5.3.4环境治理参与与环境正义的关系

通过对公众参与度、信息公开度和政策满意度的GWR分析，发现环境治理参与度在空间上呈现不均衡特征。在城区和高收入社区，公众参与度较高，信息公开较为充分，政策满意度也较高。而在偏远地区和低收入社区，公众参与度较低，信息公开不充分，政策满意度也较低。这表明环境治理参与机制在空间上存在不公平现象，弱势群体的环境权益尚未得到充分保障。

5.4讨论

5.4.1环境正义空间差异的形成机制

X区域环境正义空间差异的形成是多方面因素综合作用的结果。首先，经济发展模式是导致环境正义空间差异的重要因素。该区域以制造业为主导的产业结构，导致工业集聚区环境污染严重，而高收入社区则更多享受服务业带来的环境效益。其次，城市化进程加速了环境正义问题的空间分异。城市扩张导致土地资源紧张，环境容量有限，环境污染容易在局部区域集聚。同时，城市基础设施建设的不均衡，也加剧了环境资源分配的不公平。

5.4.2政策制度安排的影响

政策制度安排对环境正义空间差异的形成与演变具有重要影响。现有的环境治理政策在空间上存在分配不均问题，对工业集聚区的环境监管力度不足，而对城区的环境保护则较为重视。此外，环境信息公开与公众参与机制不完善，导致弱势群体的环境权益难以得到有效保障。

5.4.3空间非平稳性的挑战

GWR模型分析结果显示，X区域环境正义影响因素的空间效应存在显著的非平稳性，即不同空间位置上影响因素的效应可能存在差异。这表明传统的全局回归模型难以准确捕捉环境正义问题的空间复杂性，需要采用更精细的空间计量方法进行分析。

5.4.4研究局限性

本研究虽然较为系统地分析了X区域环境正义空间差异问题，但仍存在若干局限性。首先，数据获取的局限性，部分环境监测数据和社会经济数据难以获取，可能影响分析的准确性。其次，模型构建的局限性，本研究主要采用GWR模型进行分析，未来可以尝试结合其他空间计量模型，进行更全面的分析。最后，政策干预的复杂性，环境治理政策的影响机制复杂，需要进一步深入研究。

5.5结论与政策建议

5.5.1研究结论

本研究通过多源数据融合与空间计量分析方法，系统分析了X区域环境正义空间差异的具体表现、驱动机制及其空间异质性。研究发现，X区域的环境污染暴露、环境资源可及性和环境治理参与均存在显著的空间不平等现象，环境正义问题在空间上呈现集聚特征，影响因素的空间效应存在显著的非平稳性。

5.5.2政策建议

基于上述研究结论，提出以下政策建议以促进X区域环境正义的改善：

1.优化产业结构，推动绿色发展。逐步降低第二产业比重，提高第三产业比重，引导产业向生态友好型转型。加强工业集聚区的环境监管，实施严格的污染排放标准，推动企业实施清洁生产技术改造。

2.完善环境资源配置，促进空间公平。加大对偏远地区和低收入社区的环境基础设施建设投入，增加公园绿地、水源地等优质环境资源的供给。优化交通网络布局，提高环境资源的可达性。

3.健全环境治理参与机制，保障公众权益。完善环境信息公开制度，及时公开环境监测数据和政策信息，保障公众的环境知情权。建立公众参与平台，鼓励公众参与环境决策和监督，提高环境治理的透明度和公正性。

4.加强空间规划，实施精准治理。基于空间自相关和GWR分析结果，识别环境正义问题的空间热点区域和关键驱动因素，制定针对性的空间规划方案。实施差异化的环境治理政策，对环境风险较高的区域实施更严格的环境监管，对环境资源匮乏的区域实施更优先的保护措施。

5.加强跨区域合作，共同应对环境问题。X区域的环境问题与周边区域密切相关，需要加强跨区域合作，共同应对环境污染和生态退化等挑战。建立区域环境协同治理机制，推动环境资源的共享和环境的联合保护。

综上所述，本研究通过系统分析X区域环境正义空间差异问题，为推动区域环境治理的公平性与有效性提供了科学依据。未来需要进一步深入研究环境正义问题的动态演变机制，探索更有效的环境治理模式，以实现社会公平与可持续发展的协同推进。

六.结论与展望

6.1研究结论总结

本研究以X区域为案例，系统开展了环境正义空间差异的实证分析，旨在揭示环境风险与环境惠益在空间上的分配不平等现象，并探究其形成机制与驱动因素。通过对多源空间数据的整合分析，运用空间自相关、地理加权回归等空间计量方法，研究取得了以下主要结论：

首先，X区域的环境正义问题在空间上表现出显著的分异特征。环境污染暴露指标，包括空气污染指数(AQI)、水体污染指数(WPI)和土壤污染指数(SPI)，在空间上呈现明显的集聚趋势，高污染区域与人口密度高、产业结构重的区域空间重合度较高。特别是工业集聚区和交通干线沿线，环境污染浓度较高，形成了显著的环境污染热点区域。这与Bullard(1990)早期提出的“环境种族主义”现象在空间上的表现相呼应，即环境风险倾向于分布在弱势群体聚居区。环境资源可及性指标，如人均公园绿地面积、水源地距离和交通便利度，则呈现出与污染分布相反的空间格局。优质环境资源，如大型公园、水源保护区，多分布于经济发达、人口密集的城区，而偏远地区和经济发展滞后的区域则环境资源相对匮乏。这种空间分异反映了环境惠益分配的不均衡性，高收入、高教育水平的群体更倾向于拥有更好的环境资源。

其次，X区域的环境正义空间差异受到多种因素的复杂影响，且这些影响因素的空间效应存在显著的非平稳性。地理加权回归(GWR)分析结果显示，人口密度、产业结构、交通网络、人均收入、教育水平等因素对环境正义指标的影响在不同空间位置上存在差异。在人口密度较高的城区，人口密度对空气污染的影响更为显著，即人口集聚加剧了空气污染问题。在工业集聚区，第二产业占比对水体污染的影响更为明显，工业活动是水体污染的主要来源。在交通干线附近，道路密度对土壤污染的影响更为显著，交通活动带来的尾气排放和轮胎磨损是土壤污染的重要因素。此外，人均收入和教育水平对人均公园绿地面积的影响在富裕社区更为显著，即收入越高，人均公园绿地面积越大，这反映了环境资源分配与经济能力的正相关性。教育水平对水源地距离的影响在城区更为显著，即教育水平越高，居住地距离水源地越近，这与教育水平较高的群体更倾向于居住在城市中心区域有关。这些发现表明，环境正义问题的形成是多种因素相互作用的结果，需要综合考虑经济、社会、空间等多重维度。

再次，环境治理参与机制在X区域存在显著的空间不平等现象，弱势群体的环境权益尚未得到充分保障。通过对公众参与度、信息公开度和政策满意度的GWR分析，发现公众参与度在空间上呈现不均衡特征。在城区和高收入社区，公众参与环境事务的意愿和能力较强，信息公开较为充分，政策满意度也较高。而在偏远地区和低收入社区，公众参与度较低，信息公开不充分，政策满意度也较低。这表明环境治理参与机制在空间上存在不公平现象，弱势群体的环境诉求难以得到有效表达和回应。这反映了程序正义在环境正义中的缺失，即环境决策过程缺乏对弱势群体的充分尊重和包容。

最后，政策制度安排对X区域环境正义空间差异的形成与演变具有重要影响。现有的环境治理政策在空间上存在分配不均问题，对工业集聚区的环境监管力度不足，而对城区的环境保护则较为重视。此外，环境信息公开与公众参与机制不完善，导致弱势群体的环境权益难以得到有效保障。这表明，现有的环境治理模式难以有效解决环境正义问题，需要进行改革和完善。

6.2政策建议

基于上述研究结论，为了促进X区域环境正义的改善，提出以下政策建议：

第一，优化产业结构，推动绿色发展。逐步降低第二产业比重，提高第三产业比重，引导产业向生态友好型转型。通过产业升级和政策引导，推动企业实施清洁生产技术改造，减少污染排放。加强对工业集聚区的环境监管，实施严格的污染排放标准，对超标排放企业进行处罚和整改，推动企业落实环保责任。

第二，完善环境资源配置，促进空间公平。加大对偏远地区和低收入社区的环境基础设施建设投入，增加公园绿地、水源地等优质环境资源的供给。通过建设公园、绿地、滨水空间等公共环境设施，改善环境质量，提升环境资源可及性。优化交通网络布局，提高环境资源的可达性，特别是加强对偏远地区的交通基础设施建设，促进环境资源的公平分配。

第三，健全环境治理参与机制，保障公众权益。完善环境信息公开制度，及时公开环境监测数据和政策信息，保障公众的环境知情权。建立公众参与平台，鼓励公众参与环境决策和监督，提高环境治理的透明度和公正性。通过听证会、座谈会、网络平台等多种形式，广泛听取公众意见，保障公众的环境权益。

第四，加强空间规划，实施精准治理。基于空间自相关和GWR分析结果，识别环境正义问题的空间热点区域和关键驱动因素，制定针对性的空间规划方案。在城市规划中，要充分考虑环境正义问题，避免将污染产业和污染项目布局在弱势群体聚居区。在环境治理中，要实施差异化的政策，对环境风险较高的区域实施更严格的环境监管，对环境资源匮乏的区域实施更优先的保护措施。

第五，加强跨区域合作，共同应对环境问题。X区域的环境问题与周边区域密切相关，需要加强跨区域合作，共同应对环境污染和生态退化等挑战。建立区域环境协同治理机制，推动环境资源的共享和环境的联合保护。通过建立跨区域的污染联防联控机制、生态补偿机制等，促进区域环境问题的协同治理。

第六，加强环境教育与宣传，提升公众环境意识。通过学校教育、社会宣传、媒体传播等多种形式，加强环境教育和宣传，提升公众的环境意识和环境素养。特别是要加强对弱势群体的环境教育，提高他们的环境知识和环境维权能力，使他们能够更好地参与环境治理和环境保护。

6.3研究展望

尽管本研究取得了一定的成果，但仍存在一些局限性，同时也为未来的研究提供了新的方向。首先，数据获取的局限性，部分环境监测数据和社会经济数据难以获取，可能影响分析的准确性。未来研究可以探索更有效的数据获取方法，例如利用遥感技术、大数据技术等获取更全面、更准确的环境和社会经济数据。

其次，模型构建的局限性，本研究主要采用GWR模型进行分析，未来可以尝试结合其他空间计量模型，如空间误差模型、空间滞后模型等，进行更全面的分析。此外，可以探索使用多智能体模型(MAS)等复杂系统方法，模拟环境冲突中不同群体的行为互动与空间策略选择，更深入地揭示环境正义问题的动态演变机制。

再次，政策干预的复杂性，环境治理政策的影响机制复杂，需要进一步深入研究。未来研究可以采用实验研究、准实验研究等方法，评估环境治理政策的空间公平性及其效果，为环境政策的制定和实施提供更科学的依据。

最后，环境正义研究的国际化，随着全球化的发展，环境正义问题日益成为全球性问题，需要加强国际合作，共同研究环境正义问题。未来研究可以开展跨国比较研究，探讨不同国家环境正义问题的异同，为全球环境治理提供理论支持和实践指导。

总之，环境正义空间差异分析是一个复杂的、跨学科的领域，需要多学科、多方法的综合研究。未来研究需要进一步深化对环境正义问题的理论认识，完善研究方法，加强实证分析，为推动环境正义的实现提供科学依据和实践指导。通过持续的研究和探索，我们有望构建一个更加公平、更加可持续的未来。

七.参考文献

Anselin,L.(1995).LocalMoran'sI:SpaceStatisticsandSpatialDataAnalysis.InP.A.Longley&M.F.Goodchild(Eds.),GISandEnvironmentalModeling:Monitoring,Predicting,andModelingSpatialEnvironmentalProcesses(pp.271-278).Springer.

Bullard,R.D.(1990).DumpinginDixie:Race,Class,andEnvironmentalQuality.UniversityofMichiganPress.

Bray,M.(2004).Aspatiallyexplicitmodelofland-usechange.EcologicalModelling,172(2-3),173-185.

Elhorst,J.P.(2010).SpatialEconometrics:MethodsandApplications.CambridgeUniversityPress.

Perrow,C.(1992).NormalAccidents:LivingwithHigh-RiskTechnologies.PrincetonUniversityPress.

Pulido,L.(2000).RacedtotheFinish:RacializedEnvironmentalismandtheWhiteBacklashinLosAngeles.UniversityofMinnesotaPress.

Turner,B.L.,II,B.A.E.S.A.,&AliIbrahim,A.(2003).Land-usechange.InS.F.Turner,R.J.T.Morris,D.L.Geller,E.F.Lambin,&H.J.Geoghegan(Eds.),CausesofLand-UseandLand-CoverChange:Concepts,Methodologies,andApplications(pp.35-54).CambridgeUniversityPress.

Wang,C.F.(2007).EnvironmentalJusticeinChina:Concept,Policy,andPractice.ChinaQuarterly,191,992-1018.

Ye,W.X.(2010).EnvironmentalJusticeinChina:Concept,Policy,andPractice.JournalofEnvironmentalManagement,91(12),2504-2513.

Anselin,L.(1988).SpatialEconometrics.InD.A.F.West(Ed.),AppliedSpatialStatistics(pp.127-146).OxfordUniversityPress.

Arthur,W.B.(1994).IncreasingReturnsandPathDependenceintheEconomy.TheWorldBankEconomicReview,8(1),103-117.

Barro,R.J.(1990).TheGrowthReport.NBERWorkingPaper,No.w3557.NationalBureauofEconomicResearch,Inc.

Brueckner,J.K.(2000).UrbanSprawlandtheDemandforPublicServices:Evidencefromthe1980Census.JournalofUrbanEconomics,47(3),411-437.

Chandra,A.,&Sussman,B.(1999).Thegeographyofrisk:Exploringthelinkbetweensocioeconomicstatusandenvironmentalhazards.EnvironmentandPlanningA:EconomyandSpace,31(6),887-911.

Keeler,T.H.,&Sáez,Á.(2009).Spatialdependenceinthedemandforenvironmentalquality.TheReviewofRegionalStudies,35(2),243-258.

McMillan,D.(2001).CityGrowthModelsintheUnitedStates.JournalofEconomicPerspectives,15(2),173-192.

Nasar,J.L.(1993).TheImpactsofSprawlonResidentialLandValues.LandEconomics,69(4),451-466.

Oliver,D.L.,&Taylor,M.E.(1996).TheQualityofEnvironmentandResidentialRealEstateValues.LandEconomics,72(3),337-351.

Reilly,M.K.(2001).Thedemandforenvironmentalquality:Evidencefromrealestateprices.JournalofEnvironmentalEconomicsandManagement,43(1),53-82.

Taylor,M.E.,&Grossman,G.M.(1991).Ontheprotectionoftheenvironmentandthecreationofjobs.JournalofEnvironmentalEconomicsandManagement,20(3),328-348.

Turner,B.L.,II,W.B.A.E.S.A.,&Meyer,W.L.(1994).GlobalEnvironmentalChangeandSustnableDevelopment.InW.L.Meyer&B.L.TurnerII(Eds.),RegionalEnvironmentalChange:GlobalandLocalDimensions(pp.3-15).Springer.

VandenBergh,J.C.J.M.,&Botzen,W.J.(2007).Theeconomicvalueofclimatechangeadaptation.EcologicalEconomics,63(2-3),402-414.

Wu,F.(2002).Simulationofland-usechangedynamics:Acellularautomataapproach.EnvironmentandPlanningB:PlanningandDesign,29(4),601-617.

Xie,X.,&Zhang,Z.(2010).SpatiotemporaldynamicsofurbansprawlinBeijing,China.InternationalJournalofUrbanandRegionalResearch,34(3),551-567.

Zhang,X.,&Zhou,Y.(2011).SpatialautocorrelationofrpollutioninChina.EnvironmentalScience&Policy,14(1),74-81.

Zhou,Y.,&Zhang,Z.(2012).SpatiotemporaldynamicsofurbansprawlinYangtzeRiverDelta,China.EnvironmentalManagement,49(2),351-363.

Anselin,L.(2004).IntroductiontoSpatialEconometrics.InL.Anselin(Ed.),SpatialEconometricsandSpatialStatistics:MethodologyandApplications(pp.1-22).Spinger.

Fotheringham,A.S.,&O’Kelly,M.E.(1989).Spatialinteractionmodels:Introductionandreview.InP.A.Longley&M.F.Goodchild(Eds.),GISandEnvironmentalModeling:Monitoring,Predicting,andModelingSpatialEnvironmentalProcesses(pp.127-150).Springer.

Getis,A.(1996).Spatialstatistics:anintroductiontopointpatternanalysis.QuantitativeGeography,17(1),59-86.

Getis,A.N.,&Ord,J.K.(1996).Localspatialstatistics.InI.J.Goodchild&D.J.Unwin(Eds.),GeographicInformationScience(pp.287-310).JohnWiley&Sons.

Openshaw,S.(1995).Thoughtsonthestatisticsofgeographicaldistributions.JournaloftheRoyalStatisticalSociety.SeriesC(AppliedStatistics),44(1),27-49.

Reilly,M.K.(2001).Thedemandforenvironmentalquality:Evidencefromrealestateprices.JournalofEnvironmentalEconomicsandManagement,43(1),53-82.

Wang,J.,&He,Y.(2011).SpatialanalysisofrpollutioninChinausingGISandremotesensing.EnvironmentalMonitoringandAssessment,179(1-4),45-55.

Wu,F.(2004).Simulation-basedoptimizationmethodforurbanland-useplanning.LandscapeandUrbanPlanning,66(4),383-403.

Xie,X.,&Zhou,Y.(2010).SpatialdependenceofatmosphericpollutioninChina.AtmosphericEnvironment,44(38),5074-5082.

Zhang,X.,&Zhou,Y.(2012).SpatiotemporaldynamicsofurbansprawlinYangtzeRiverDe